基于深度学习的多用户MIMO-OFDM-IM系统符号检测技术

MIMO-OFDM-IM是将MIMO-OFDM(多输入多输出正交频分复用)和IM(索引调制)结合的一种新颖的多载波调制技术。为解决目前多用户MIMO-OFDM索引调制的符号检测技术仍存在的复杂度高和误码性能受用户数量影响严重的问题,提出一种基于深度学习的符号检测框架,在该框架中,编码器与解码器都由DNN(深度神经网络)构造,采用监督式学习训练数据。实验结果表明,该框架有效地解决了以上问题。

基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机

多输入多输出正交频分复用(MIMO-OFDM)水声通信系统中,由于子载波间干扰(ICI)对信号的影响程度未知,导致接收处理时干扰消除不完全或计算复杂度高。针对这一问题,该文提出一种迭代的基于子载波间干扰深度估计的MIMO-OFDM接收机。该接收机使用导频频域相关对每个发射信号的子载波间干扰深度进行估计,信道估计时利用估计出的干扰深度重建各个信道的频域矩阵,避免对不同信道选择相同的干扰深度,在自适应信道变化的同时降低了计算复杂度。此外,将判决反馈均衡引入MIMO-OFDM水声通信系统,利用已均衡出的符号信息消除子载波间干扰。仿真结果表明,该接收机相比于干扰深度渐进的接收机,译码成功所需的时间更短。

基于联合特征参数和一维CNN的MIMO-OFDM系统调制识别算法

针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)系统子载波的调制识别问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的调制识别方法。首先,利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix,JADE)算法从接收端的混合信号中恢复发送信号;然后,提取恢复信号的循环谱切片和四次方谱作为浅层特征;最后,利用1D-CNN对特征进行训练,使用测试样本对所提出的调制识别方法进行仿真验证。仿真结果表明,所提方法对MIMO-OFDM系统中的5种信号可以进行有效识别,在信噪比为10 dB时的识别精度即可达到100%。

基于四维广义离散椭球序列的降秩MIMO-OFDM信道估计方法

传统的基于插值的信道估计器需要高导频负载来对快速时变的频选MIMO-OFDM信道进行稳健估计。为降低对高导频的需求,利用信道对低维子空间的限制作用设计了一种线性最小均方误差(LMMSE)信道估计器,该估计器采用由带限广义离散椭球(GDPS)序列得到的四维基扩展信道模型。仿真结果表明:与基于插值的最小二乘(LS)估计器相比,降秩估计器的均方估计误差较小,且对时延、多普勒和角扩展等均具有较强的鲁棒性。

基于凸优化的大规模MU-MIMO-OFDM系统峰值平均功率比抑制方法

为了提高大规模多用户-多输入多输出-正交频分复用系统运行效率以及降低系统硬件花费,将凸优化方法引入MU-MIMO-OFDM系统的下行链路中,从而降低发射信号的峰值平均功率比.首先,将多用户预编码、OFDM调制、降低发射信号PAPR及发射信号功率约束建立成数学模型.然后,设计线性交替方向乘子法(linear alternating direction multiplier method,LADMM)求解凸优化问题.仿真结果表明,该方法只需较少的计算复杂度就可在大规模MU-MIMO-OFDM系统中获得很好的降低发射信号峰均比效果,同时具有较低的符号错误率.

MIMO-OFDM无线通信传输与检测技术研究

多输入多输出-正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing,MIMO-OFDM)无线通信系统是一种采用多输入多输出和正交频分复用技术相结合的高效传输方案。深入研究MIMO-OFDM无线通信系统的传输与检测技术,研究结果表明,MIMO-OFDM系统在提高容量、可靠性和抗干扰能力方面具有巨大潜力,对未来无线通信技术的发展具有重要的应用价值。

基于大规模MIMO-OFDM系统的5G通信信道估计算法研究

信道估计对宽带无线移动通信系统的具体实现至关重要。本文介绍了大规模MIMO-OFDM系统的通信原理,指出5G无线信道存在的局限性,再根据信道衰落、多径效应等问题的成因,提出基于压缩感知理论的信道估计算法,并以MATLAB为仿真平台,设置了载波数量、稀疏度、载波频率等仿真参数,在不同的信噪比下开展了算法性能检验。结果显示,稀疏度自适应匹配追踪算法的性能表现最佳。

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中,信号经过频率选择性衰落的信道后,在接收端需要进行均衡和相干信号的检测,故准确的信道估计量必不可少。传统的信道估计方法均基于信道抽头是密集型的假设,利用线性重构算法,如最小二乘(LS)或最小均方误差(MMSE)等,可以达到Cramer-Rao下界(CRLB)。然而,通过物理信道测量发现,在实际通信系统中,宽带信道抽头分布通常表现出稀疏特性。通过充分利用信道的稀疏特性,该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计。在达到与传统的信道估计方法相同性能的前提下,基于CoSaMP的信道估计方法以非常小的计算复杂度为代价,大大减少了导频信号开销,从而提高了频谱资源利用率。

基于导频和修正Kalman滤波的MIMO-OFDM信道估计方法

提出了一种适用于时间频率选择性衰落信道的MIMO-OFDM系统的组合信道估计方法。采用AR过程对信道进行建模,利用基于导频的低维Kalman滤波算法进行信道估计,并采用LS算法估计时变的信道衰减因子。Kalman滤波跟踪了信道的时域相关性,为了同时跟踪信道的频域相关性,采用了一种基于MMSE(minimum mean square error)的合并器对Kalman滤波算法进行修正。仿真表明,提出的这种组合算法降低了传统的Kalman滤波结构的复杂度,能够跟踪信道的时频变化,改进了基于LS准则的信道估计算法,并且与复杂的高维Kalman滤波算法的信道估计性能相当。

宽带MIMO-OFDM系统信道估计算法研究

本文提出了MIMO-OFDM系统中基于LS准则的参数化信道估计方法(LSPCE),推导出其MSE性能的下界并给出一种最优导频序列.为了降低复杂度,本文还提出了一种迭代的算法,它利用有限冲击响应信道的抽头之间的相关性从噪声中提取出信道信息并同时估计出多径时延.仿真和分析表明,相比传统的LS信道估计算法,这种基于参数化的信道估计算法可以大大提高信道估计的精度,接收端的检测性能接近理想信道估计的性能.

一种低复杂度的MIMO-OFDM信道估计新方法

该文基于m序列设计了一种适合多天线收发-正交频分复用(MIMO-OFDM)系统的时域信道估计新方法。在时域OFDM符号之间插入附加循环前缀(CP)的m序列作为训练序列,在接收端将去掉循环前缀的接收序列与指定的循环移位m序列作相关运算,然后利用m序列的二值自相关特性获得信道的冲激响应估计,从而得到信道的频率响应估计。理论分析和仿真结果都表明:在频率选择性信道中,新方法在系统开销小、计算复杂度低的情况下可以取得比传统算法更好的性能。

MIMO-OFDM系统中一种基于自适应滤波的信道估计方法

该文提出了一种适用于MIMO-OFDM系统的基于自适应滤波器的信道估计方法,此方法在不需要任何信道统计信息的前提下,通过自适应滤波的方法对时变信道状态参数进行即时跟踪与估计。仿真结果表明该文提出的基于自适应滤波的信道估计方法,相比于不考虑噪声的基于LS算法的信道估计方法,MSE和BER性能均有很大的提高。其中基于LMS滤波器的信道估计方法具有计算复杂度小的特点;而基于RLS的信道估计方法具有收敛速度快,MSE和BER性能均优于基于LMS方法的特点。

MIMO-OFDM系统中基于导频辅助的信道估计

该文对MIMO-OFDM系统中基于导频辅助的LMMSE信道估计算法进行了研究,导出了其估计均方差的下界。为降低算法复杂度,首先利用奇异值分解给出一种低阶近似的信道估计器结构;其次提出了一种基于最优导频设计的简化算法。该简化算法不仅降低了算法复杂度,且能有效地获得最优估计性能。最后文中给出了估计信道特性的方法。

MIMO-OFDM最优导频设置与优化的信道估计方法

从系统设计的角度,根据最小化 MSE 原则,推导出一种基于 MIMO-OFDM 多发射天线优化的导频值插入方法,并提出一种健壮性的 FDTC 的信道估计处理方法。与已有的导频交替传输方法相比,这种优化的导频值能均布于各发射天线所有发射时段,尤其在时变信道中,具有更小的估计误差;在信道估计方法中,提出的频域分集时域合并的方法,通过仿真,表明这种方法能够更进一步的提高估计的精度,同时具有较好的健壮性和较低的计算复杂度。

一种基于MIMO-OFDM技术四发射天线多接收系统的设计

MIMO-OFDM技术不仅能够实现很高的传输速率而且通过分集实现很好的可靠性.设计了基于MIMO-OFDM技术四发多收天线的系统,针对随着收发天线数量增多接收机编码和译码算法复杂度随之提高的问题,选择适合多天线技术且具有低复杂度的正交空时分组码技术,接收端采用最大似然译码,调制采用多进制相移键控。通过仿真验证了该方案设计正确,证明了系统具有良好的差错性能和较高的频谱利用率。

MIMO-OFDM系统定时同步算法

应用MIMO-OFDM无线通信系统的空间信号资源,提出了基于单个前导符号的MIMO-OFDM系统帧定时和符号定时同步的分集算法,以克服高速无线多径信道中深衰落对MIMO-OFDM系统定时同步性能的影响,给出了具体的帧定时、符号定时同步的分集算法以及在高速无线多径信道COST207模型下帧定时和符号定时同步的仿真结果。

基于粒子滤波的MIMO-OFDM时变信道半盲估计

提出一种基于粒子滤波的MIMO-OFDM时变信道半盲估计方法。首先,对粒子滤波算法进行改进,通过对采样粒子分布进行局部优化调整,提出一种局部优化粒子滤波算法。然后,将该粒子滤波算法用于MIMO-OFDM时变信道估计。由于该信道估计过程在频域进行,因而无需已知(或估计)多径信道长度。与现有时变信道半盲估计方法相比,本方法具有估计误差低、对非高斯噪声顽健性强等特点,从而有效改善了接收端的符号检测性。计算机仿真结果证明了本方法的有效性。

多用户MIMO-OFDM系统低速率CSI反馈方法及信道容量分析

该文针对闭环多用户MIMO-OFDM系统提出一种基于线性预测的低速率CSI(Channel State Information)反馈方法。根据相关带宽将OFDM子载波划分成多个子带,移动台对每个子带的CSI作线性预测,并对预测误差进行量化编码后反馈给基站;基站使用相同的线性预测滤波器将反馈来的预测误差恢复成CSI,然后在每个子带上通过迫零-波束赋形实现多用户空间复用。同时,该文还在采用注水定理分配发射功率的条件下,从理论上分析了下行链路信道容量。数值仿真结果显示,每个反馈数据的实部或虚部仅用1bit量化时,本方法仍能够以较高的精度恢复CSI。与目前3GPP LTE标准所采用的基于码书的反馈方案相比,该方法能够在反馈开销相同情况下,有效地抑制同信道干扰,大幅提高系统容量。

MIMO-OFDM系统中具有QoS保证的动态资源分配

该文在研究了多用户MIMO-OFDM系统中的动态资源分配问题的基础上,提出了一种MIMO-OFDM系统中以获取最大系统吞吐量为目标的新的动态资源分配算法。该算法在满足用户QoS需求的基础上,充分利用多用户分集特性,使系统对空-频二维资源和发送功率进行了有效利用,从而使系统的吞吐量得到了大幅度提高。仿真结果表明,该算法具有良好的性能,能够有效提高系统的吞吐量。

多用户MIMO-OFDM系统基于QoE效用函数的跨层资源分配

对多用户MIMO-OFDM系统下行链路的资源分配问题进行了研究。依据实时(RT,real-time)和非实时(NRT,non real-time)业务的不同特点分别设计了QoE效用函数,并提出一种基于RT&NRT QoE效用函数的跨层资源分配算法。该算法利用所设计的效用函数计算用户分得资源所贡献的QoE增量,并根据由QoE增量确定的用户优先级完成时频资源块的分配,进而通过"拟注水"方式对功率分配进行优化。仿真结果表明,该算法相比已有算法在用户平均QoE、实时业务平均分组时延、非实时业务平均分组丢失率以及系统和吞吐量方面的性能均得到了明显改善。